MétaCan
Menu
Retour à la cohorte
Enregistrement W4402627328 · doi:10.1109/tie.2024.3451111

A Control for Preventing False Tripping of Grid-Tied Renewable Systems With Increased Solar Penetration and Fluctuating Load Demand

2024· article· en· W4402627328 sur OpenAlexaff
Subhadip Chakraborty, Gaurav Modi, Bhim Singh, Bijaya Ketan Panigrahi, Vipin Kumar Singh, Ambrish Chandra, Kamal Al‐Haddad

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésTrippingRenewable energyPenetration (warfare)GridGrid parityEngineeringComputer scienceAutomotive engineeringElectrical engineeringReliability engineeringDistributed generationEnvironmental scienceOperations researchGeology

Résumé

récupéré en direct d'OpenAlex

High penetration of solar energy systems leads to power variability at point of common coupling (PCC). This accompanied with high demand fluctuations, reflects as highly fluctuating effective loading at PCC. This leads to fictitious jump in estimated frequency by phase/frequency locked loops (PLLs/FLLs) due to associated voltage phase angle jumps at PCC during such power variability. This fictitious frequency jump translates into triggering synchronization control leading to false tripping of power electronic switch isolating system from grid. This is more dominant in highly variable renewable dominated sources such as solar power generating systems (SPGS). This work presents a control to prevent occurrence of fictitious jumps in estimated frequency by incorporating an approach to decouple amplitude and phase/frequency estimation loops, and providing additional immunity to frequency loop against any phase transients. Additionally, a blinder arrangement is proposed to minimize trip attempts to ensure steady state phase/amplitude matching during synchronization. Proposed methodology improves system operation and reliability. It also improves power quality performance during supply voltage and load current distortions. Simulation and experimental results are provided to validate performance with presented methodology.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,207
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetSmart Grid Energy ManagementTravaux en français237 207